【人工智能基础】初识神经网络

初识神经网络

本章通过战胜人类围棋世界冠军的AlphaGo案例，介绍神经网络的基本概念，并阐明其与人工智能、机器学习的关系。

1. AlphaGo与围棋：神经网络的实力展示

• 传统围棋程序：基于固定规则

  • 早期的计算机程序依赖人类专家预先设定的策略（“如果A情况发生，则执行B步骤”）。

  • 这种方法的瓶颈在于围棋的极端复杂性，人类难以穷尽所有规则。

• 围棋的复杂性

  • 海量状态：棋盘状态总数约为 10^170，远超宇宙原子总数。

  • 评估困难：棋子数量和位置无法简单地衡量局势优劣。

  • 计算量巨大：即便只向后推演8步，计算组合也需顶尖超算数小时。穷举所有可能则完全不可能。

• AlphaGo的突破

  • AlphaGo不再依赖人工制定的死板规则，而是采用人工神经网络进行决策，从而战胜了人类顶尖棋手。

2. 神经网络的原理

2.1 生物学启发：人脑神经元

• 人脑通过海量神经元相互连接组成的复杂网络进行决策。

• 单个神